摘要：随着计算机技术以及光学成像技术的发展，集成了人工智能、机器识别、机器学习、视频图像处理等多种专业技术的人脸识别技术也逐渐成熟，人脸识别技术现如今已成为最热门的研究之一，在各行各业都起着非常重要的作用。本文就人脸识别的过程进行了综述，并介绍了一些常用的人脸识别算法，阐述了人脸识别技术相对于其他生物识别技术的优势以及人脸识别技术面临的挑战。
关键词：人脸识别；计算机；生物识别
人脸识别技术是一种基于提取人体脸部特征信息，进行身份识别的计算机生物识别技术，按照其信息来源可分为动态视频信息和静态图像信息。本文着重就静态图像信息进行研究。人脸识别领域综合，涉及学科多，例如计算机视觉、数字图像处理、高等数学、运筹学等。目前，人脸识别技术广泛应用于办理电子证件、摄像监视系统、银行自助服务、公司考勤、政府、军队、安全防护等各领域。未来，人脸识别的应用将会更加全面。
1 人脸识别过程
1.1人脸图像采集
（一）使用扫描仪获取印刷品、照片上面的图像。
（二）使用摄像机、摄像头等拍摄数字图像。
（三）利用软件从屏幕上获取图像。
1.2人像檢测定位
在图像的众多信息中提取出人脸。主要检测人脸方法有：
1.2.1参考模板法
1.2.2人脸规则法
1.2.3样品学习法
1.2.4肤色模型法
1.2.5特征子脸法
1.3特征提取
对人脸特征进行检测，准确获得人脸关键信息，明确人脸轮廓、五官位置、瞳间距、肤色等。
1.4三维建模
对提取到的人脸进行立体建模，将提取的特征根据一定算法进行数字化，映射到一定的空间中去。
1.5模型对比
将获取的人像数据和数据库中的数据进行对比。
2 人脸识别常用算法
2.1改良后的LBP算法[1]
是一种有效的纹理描述算子，与识别率较传统LBP算法相比有了大幅度提高，在硬件上对人脸特征值的提取速度相当于软件的19倍。提高了机器的实时性，处理人像速度达到了100幅/s。
2.2主分量分析法[4]
也称主成分分析，旨在利用降维的思想，将多指标转化成几个所含信息互不重复的主成分，每个主成分都能反应原始变量的大部分信息。
2.3傅里叶变换特征遗传算法[3]
对得到的人像信息进行傅里叶变换，去掉不含有效信息零频率分量，然后利用遗传算法进行特征提取。
2.4基于几何特征的方法
首先对识别到的人脸上的主要部位例如脸、鼻子、嘴等进行识别，然后利用这些部件的几何分布以及相互之间的比例关系来识别人脸[5]。其优点是速度快，占用内存少，但是识别效率较低，不够准确。
2.5基于模板匹配的方法
利用模板和检测到的整个人脸图像的像素值之间的自相关性来进行识别[6]。
2.6 SIFT算法
是一种检验局部特征的算法，用来对图像中的局部特征进行检测和描述，并在空间中寻找极值点，记下其位置、视角变化、旋转不变量、尺度缩放、亮度变化等。优点是抗外界干扰能力较强，速度快。但要求信息库存储丰富。
2.7 线性判别式分析
是一种模式识别的经典算法，旨在将高维模式样本投影到最佳鉴别矢量空间，来抽取分类信息以及压缩特征空间维数。
3 人脸识别的优势
现有较广泛使用的生物特征识别技术研究对象包括脸、指纹、视网膜、声音等，相应识别技术分别为人脸识别、指纹识别、视网膜识别、语音识别。在相应技术中，人脸识别技术具有下列优势：
（1）不易被察觉。人脸识别通过图像进行处理，无需像指纹识别一样要求被识别者在特定仪器上按指纹，具有一定的隐蔽性，同时也可以减少被识别者因需要贴身识别而造成的心理压力和反感。
（2）图像采集设备需要成本低，使用方便。目前市面上流行的大多数摄像头都比较便宜，并且个人手机上大多也都配备分辨率较高的摄像头。
（3）在侦破刑事案件上有优势。在进行刑事案件调查中，调取案发现场及附近的监控，对视频中犯罪嫌疑人的样貌和公安信息比对系统进行比对。可以大大缩短查证时间，提高破案效率。
（4）并发性。实际场景中，可以对一张采集到的多人像图进行多个人像同时分拣、判断及识别。
（5）操作简单，结果直接。
4 人脸识别面临的挑战
（1）对采集信息的场所有一定的要求，对周围光线敏感，光线过亮或者过暗将会影响识别的精确性。
（2）人面部的改变，例如变老、整容、面部受损等，会对识别造成影响，需要及时更新数据库，并对算法进行优化。
（3）人脸的表情是多变的，它的形成与很多外界因素有关，很难用精确的模型来表述。
（4）不同个体之间的特征区别不是很大，大多数人脸的结构都很相似，甚至外观也比较相近，这就不利于机器对人类个体进行区分。
5 总结
自20世纪60年代人脸识别技术出现以来，经过了几十年的研究，人脸识别技术已经拥有了很大的发展，算法上越加的完善，应用范围在不断增加。但是在更加精确的识别上面仍然存在的很多的问题，如：如何对改变了的面孔进行识别，如何识别不同的人脸表情，如何在人脸被大范围遮挡下准确识别等等。仍需要进行不断的探索。
参考文献：
[1]徐钊，吴光敏，覃世欢。基于AccelDSP的 LBP算法在人脸识别中的应用[J]。《计算机技术的发展》，2014（1）：51-53
[2]吴娴君。基于SIFT的阈值匹配的人脸识别算法[J]。《计算机光盘软件与应用》，2013（24）：191-192
[3]陈绵书， 陈贺新，孙中华。基于傅里叶变换特征遗传算法的人脸识别[J]。《计算机工程与应用》.2007，43（28）：10-11
[4]白华伟。浅谈主成分分析[J]。《数码世界》，2017（7）：235-235
[5]秦连杰。基于近红外图片的人脸检测识别算法的研究与应用[D]。西安：西安电子科技大学，2013
[6]许高凤，人脸识别技术及其在场馆门禁系统中的应用研究[D]。哈尔滨：哈尔滨工程大学，2009
